如何基于生成参数用SARIMA获最优预测及代码错误排查

错误根源 #

• 未正确调用模型拟合方法：代码中results = mod.fit仅赋值了fit方法的引用，而非执行拟合操作，导致results是函数对象，没有aic属性，触发AttributeError。
• 缺失季节性参数配置：创建SARIMAX实例时未传入seasonal_order参数，无法实现你需要的季节性参数组合（如(0,0,1)X(0,0,1,12)这类带周期的结构）。

修正后的完整代码 #

for param in pdq:
    for param_seasonal in seasonal_pdq:
        try:
            mod = sm.tsa.statespace.SARIMAX(
                y_to_train,
                order=param,
                seasonal_order=param_seasonal,
                enforce_invertibility=False
            )
            results = mod.fit()  # 调用fit方法，添加括号执行拟合
            print(f'SARIMA{param}x{param_seasonal} - AIC:{results.aic}')
        except Exception as ex:
            print(ex)
            continue

关键说明 #

• 修正后代码会遍历所有非季节性（pdq）与季节性（seasonal_pdq）参数组合，输出每个组合的AIC值，可依据AIC值越小模型拟合效果越优的原则选择最优参数。
• 需保证pdq为包含(p,d,q)元组的列表，seasonal_pdq为包含(P,D,Q,s)元组的列表（其中s是周期，你的示例中为12）。

内容的提问来源于stack exchange，提问作者Mukhtar_Dev